Clinical guidance for e-cigarette (vaping) cessation: Results from a modified Delphi panel approach
Notice bibliographique
Résumé
Individuals seek help to stop their use of e-cigarettes from their healthcare practitioners. However, there is a paucity of published work addressing e-cigarette cessation methods empirically, and what evidence that is available is weak. Therefore, we developed an expert informed clinical resource to guide practitioners helping their clients quit using e-cigarettes. We conducted a modified Delphi process between September and December 2021 to reach consensus on clinical recommendations for e-cigarette cessation. Expert and Peer Panel members (n = 28) voted and provided feedback on the recommendations through three rounds of structured surveys, a discussion board, and one intermediate survey. The penultimate knowledge products underwent usability testing and were finalized based on user feedback. The Expert Panel maintained a 100% response rate for rounds 1 and 2 and 96% for round 3; the Peer Panel achieved a 100% response rate for all three rounds of the modified Delphi process. Consensus was reach on 24 recommendations and 2 statements spanning eight domains: severity and dependence; general approaches; treatment approaches; dual use; pharmacotherapy strategies; behavioural therapy strategies; harm reduction; and relapse prevention. Two additional 'no agreement' statements that did not reach consensus are included in the guidance resource. The recommendations were also contextualized for the following groups: adults; youth; people who are pregnant, breastfeeding and/or chestfeeding; and people with mental illness and/or substance use issues. The recommendations listed in the resource provide general clinical guidance on e-cigarette cessation to assist healthcare practitioners in the treatment planning process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».